融合文本分类的多任务学习摘要模型
来源：计算机工程杂志2021年第4期北京时间：
作者：周伟枭, 蓝雯飞
单位：中南民族大学 计算机科学学院, 武汉 430074
摘要：文本摘要应包含源文本中所有重要信息，传统基于编码器-解码器架构的摘要模型生成的摘要准确性较低。根据文本分类和文本摘要的相关性，提出一种多任务学习摘要模型。从文本分类辅助任务中学习抽象信息改善摘要生成质量，使用K-means聚类算法构建Cluster-2、Cluster-10和Cluster-20文本分类数据集训练分类器，并研究不同分类数据集参与训练对摘要模型的性能影响，同时利用基于统计分布的判别法全面评价摘要准确性。在CNNDM测试集上的实验结果表明，该模型在ROUGE-1、ROUGE-2和ROUGE-L指标上相比强基线模型分别提高了0.23、0.17和0.31个百分点，生成摘要的准确性更高。
关键词：编码器-解码器架构,文本摘要,文本分类,多任务学习,聚类算法,统计分布
基金资助：国家自然科学基金（61772562）。
